目的对陕西药材标准收载的部分法定药用植物中文名和学名提出订正意见。方法依据《中国植物志》《Flora of China》、iPlant植物智等权威数据库和最新分类学成果,厘清现行陕西药材标准中部分法定药用植物中文名和学名存在问题,并进行分...目的对陕西药材标准收载的部分法定药用植物中文名和学名提出订正意见。方法依据《中国植物志》《Flora of China》、iPlant植物智等权威数据库和最新分类学成果,厘清现行陕西药材标准中部分法定药用植物中文名和学名存在问题,并进行分析与归纳。结果陕西法定药用植物中文名和学名主要存在定名人不规范或不正确、使用异名、拼写错误和名称混用等问题,涉及药用植物共276种(下),药材229种。结论针对前述问题提出了规范中文名和学名的建议,提倡推行使用法定药用植物中文正名、第一中文别名、接受名和学名第一异名的概念,为陕西药材标准的修订提供参考,进一步促进相关学科领域的科学发展。展开更多
为了精准获取河南省冬小麦空间分布及面积数据,基于2003—2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提...为了精准获取河南省冬小麦空间分布及面积数据,基于2003—2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提取冬小麦特征,分别训练出非线性模型,在250 m尺度对河南省冬小麦分布和面积进行识别。结果表明,基于DNN算法的河南省冬小麦面积识别模型精确率为97.26%,总体一致性为97.97%;基于RF、SVM算法的精确率分别为91.51%和89.31%,总体一致性均在90%以下。和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布。该研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息。展开更多
文摘目的对陕西药材标准收载的部分法定药用植物中文名和学名提出订正意见。方法依据《中国植物志》《Flora of China》、iPlant植物智等权威数据库和最新分类学成果,厘清现行陕西药材标准中部分法定药用植物中文名和学名存在问题,并进行分析与归纳。结果陕西法定药用植物中文名和学名主要存在定名人不规范或不正确、使用异名、拼写错误和名称混用等问题,涉及药用植物共276种(下),药材229种。结论针对前述问题提出了规范中文名和学名的建议,提倡推行使用法定药用植物中文正名、第一中文别名、接受名和学名第一异名的概念,为陕西药材标准的修订提供参考,进一步促进相关学科领域的科学发展。
文摘为了精准获取河南省冬小麦空间分布及面积数据,基于2003—2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提取冬小麦特征,分别训练出非线性模型,在250 m尺度对河南省冬小麦分布和面积进行识别。结果表明,基于DNN算法的河南省冬小麦面积识别模型精确率为97.26%,总体一致性为97.97%;基于RF、SVM算法的精确率分别为91.51%和89.31%,总体一致性均在90%以下。和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布。该研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息。